Alexander Ketonen: Analys av PaiCo-metoden

I den här rapporten analyserar vi två olika tillvägagångsätt på den nya metoden som används för att rekonstruera klimatet (temperaturen) från förr, med hjälp av proxies. En proxy kan vara data från trädringar eller från borrkärnor från isen. Datasetet består av simulerade temperaturer, över en period om tusen år, från en klimatmodell. Metoden är Pairwise Comparision (PaiCo), och de två tillvägagångsätten är Hanhijärvis metod och Brattströms metod. För att kunna använda PaiCo måste vi sortera varje proxy-serie i storleksordning. När vi försöker återskapa kurvan från vår givna tidsserie, använder vi en Quasi-Newtonmetod (BFGS). Dess likelihood funktion för Hanhijärvis metod bygger på produkten av alla observerade olikheter i vår sorterade data. Brattströms metod använder endast olikheter i den sorterade data som ligger intill varandra. Det visar sig att vi har en signifikant skillnad för de två tillvägagångsätten när vi jämför dem med hjälp av Spearmans rangkorrelation. Men eftersom Hanhijärvis metod tar längre tid för att rekonstruera en kurva, än tiden som Brattströms metod tar, är det önskvärt att man gör en större analys än vad som har gjorts i det här arbetet, för att kunna säga att en metod är bättre än den andra.